读算法的陷阱:超级平台、算法垄断与场景欺骗笔记05_共谋(中)

1.       默许共谋

1.1.         又称寡头价格协调(Oligopolistic Price Coordination)或有意识的平行行为(Conscious Parallelism)

1.1.1.           在条件允许的情况下,它会发生在市场集中度较高的行业当中

1.1.2.           处在一个集中市场环境中的几家企业在实践中共享垄断权力

1.1.3.           它们之间以一些心照不宣的方式同时限制产量或提高价格,从而攫取垄断利润

1.1.4.           法律并不禁止寡头企业基于彼此的相互依赖性而采取的有意识的平行行为

1.2.         市场环境透明度越高,市场参与者的搜寻成本就越低,竞争机制的效用就越强

1.2.1.           市场透明度对默许共谋(Tacit Collusion)的重要性

1.3.         确立的必要条件

1.3.1.           市场的透明度水平是否可以令有限的几个竞争者能够“迅速且有充分把握地”获取对手的“重大市场策略

1.3.2.           当“(卖方)向客户提供的交易方案相对透明”时,销售同质产品且消费者需求缺乏弹性的市场将不免出现默许共谋

1.3.3.           因为市场中的经营者“不难获取竞争对手的销售策略与价格列表”,并且“可以随时监督对方是否仍在遵循销售同质产品的共同政策”

1.4.         默许共谋需要一定的市场条件支撑

1.4.1.           失去了这些条件,一致行动往往不会发生

1.4.2.           当市场参与者越发依赖定价算法时,原有的这些市场条件也会因此发生改变,而这也令默许共谋寻找到了另一片沃土

1.5.         为了确保默许共谋关系能够长久维系,默许共谋的参与者需要有足够的动机不去违背他们默认的共同政策

1.5.1.           当价格背叛发生时,成员企业必须能够迅速对背叛者施以惩戒

1.5.2.           需要确保其他潜在的市场竞争者与消费者不会对共同政策的执行造成阻碍

1.5.2.1.            默许共谋不仅不会给消费者留出发挥买方力量的空间,还要为市场设置较高的准入门槛

1.6.         在信使场景与中心辐射式共谋中,反垄断执法者取证的关键是找到垄断协议

1.7.         默许共谋中,垄断协议已不见踪影,企业不需要就价格操纵达成协议

1.7.1.           不论是人为改价还是机器操作,有意识的平行行为都有可能发生

1.7.2.           开发定价算法程序时,不必串通勾结,经营者对定价的“追高”策略都心知肚明

1.7.3.           区别于明示共谋(Explicit Collusion),由默许共谋引发的这种有意识的平行行为并不触犯反垄断法法律条文

1.7.4.           没有了垄断协议就等于没有了确凿的证据,这令反垄断的执法难度大为提高

1.8.         明示共谋与默许共谋的后果相同,即高昂的价格

1.8.1.           由于没有垄断协议,默许共谋的参与者却轻易逃避了法律的制裁

1.8.1.1.            企业之间没有白纸黑字的共谋协议,只有抑制竞争的意图

1.8.2.           市场中的均衡价格会高于完全竞争市场中的价格水平

1.9.         即便默许共谋属于合法的商业行为,也并不代表它能被所有人接受

1.9.1.           并购行为的确改变了现有的市场竞争条件,那么监管机构往往会对这类可能引发默许共谋的商业并购持否定态度

2.       定价算法

2.1.         从进化论的角度来解释这个问题,最强大的算法是最有可能主导整个科技领域的

2.2.         即便企业之间没有签订反竞争协议(甚至没有直接的交流),定价算法在全行业的普及同样也可以推高市场价格

2.3.         如果技术升级的趋势进一步放大,当算法软件可以在更透明的信息化环境中运行时,那么计算机还将承担起预测市场动向的工作,做好随时应对竞争对手攻击的准备

2.3.1.           有了计算机监督价格偏离,并及时做出惩戒,企业之间有意识的平行行为必将引致产品价格攀升

2.4.         如果同行业中每家企业都使用相似的定价算法,那么市场均衡价格很有可能会高于充分竞争市场中的市场价格

2.4.1.           人类在思维层面的思考最终会反映在定价算法程序的设计和研发过程中,有意识的平行行为概念同样也会被植入定价算法程序中

2.5.         企业单方面设计出能够生成预期结果的定价算法并且通过调价改变市场条件

2.5.1.           企业之间并没有签订垄断协议,它们却都有着明显的反竞争动机

2.5.2.           使用先进的定价算法的确改变了先前的常规市场条件

2.5.3.           在定价算法普及之前,市场中的透明度相对有限,这也令有意识的平行行为难以为继

2.5.4.           缺乏共谋协议,反垄断执法机构就没有了强有力的证据

2.5.4.1.            不必达成并购交易,企业也可以通过定价算法有效地顺应市场变化
2.5.4.2.            那些不具备市场支配力量的企业,通过独立开发定价算法,可以实时监测竞争对手的市场动向,从而找到优化利润的最佳路径,但这往往也是通往有意识的平行行为的捷径

2.6.         有些定价算法程序在编写过程中就将避免抢夺竞争对手客户纳入程序应实现的目标范畴

2.6.1.           禁止市场中的经营者达成共谋、阻碍竞争是一回事,命令他们开展竞争则又是另外一回事

2.7.         就连科技进步也可能是一种具有破坏性的力量,令算法得以成功地依靠暗中折扣而在生意场上“使诈”

2.8.         经营者对信息的智能化应用成为辅助默许共谋的工具

2.8.1.           总有新的技术进步会令现有的定价算法相形见绌

2.9.         导致市场价格透明度降低的协作行动本身就是反垄断法打击的目标

2.9.1.           如果定价算法的确可以起到改善市场透明度的作用,那么被告方就能够为自己的行为找到一个合理的解释

3.       预测型代理人

3.1.         Predictable Agent

3.2.         各家企业出于利润最大化的目的开展定价算法程序的开发

3.2.1.           定价算法需要承担监督市场价格变化,对竞争对手的降价行为迅速做出反应的职责

3.2.2.           当产品涨价趋势可靠时,它还需要以最快的反应调高自己的定价,以免错失良机

3.3.         市场数据的数字化水平与可获取性都会显著提升,而市场环境也将越发透明

3.4.         市场条件变化

3.4.1.           企业对数字化的市场信息与市场透明度的需求高涨

3.4.1.1.            定算法承担起了预测与分析的工作职责,使开发相应算法程序的企业可以“结合实时数据、历史数据与第三方数据库提供的信息,对未来数月、数周,甚至几个小时内可能发生的事情做出预判”

3.4.2.           当每家企业都使用定价算法时,市场中的整体数据量(包括竞争对手的定价信息)将呈现明显增长的趋势

3.4.2.1.            通过使用定价算法,每一个市场卖家在将自己的产品价格公之于众的同时,整个市场的透明度也得到了改善
3.4.2.2.            当动态定价已向市场证明了自己的优势时,没有企业情愿再费时费力地去论证定价算法提供的价格的可靠性
3.4.2.3.            依赖于定价算法的企业往往没办法通过其他方式对定价算法使用的基础市场数据进行独立的分析与验证

3.4.3.           市场中的参与者可能会想当然地将动态定价算法提供的产品价格视为当前市场中的实际价格

3.4.3.1.            常识告诉我们可以将由算法确定的“共识价格”视作市场中的真实价格
3.4.3.2.            在成品油零售市场,很少有司机会跟加油站的收银员砍价
3.4.3.2.1.             他们都很清楚,收银员没有汽油定价的决定权

3.5.         速度是关键

3.5.1.           以前,企业总是晚一步才能拿到同行业竞争对手的价格目录,而且目录中的价格也不能充分反映产品的真实价格

3.5.1.1.            企业往往只能通过多方打探才能探听到竞争对手的真实销售价格
3.5.1.2.            人工调价快则数周,慢则数月

3.5.2.           现在,定价算法还可以迅速跟进竞争对手的降价措施

3.5.2.1.            磨掉了后者开展价格战的热情

3.5.3.           当市场价格上扬时,定价算法也不会错过这个放大利润空间的机会

3.5.4.           当定价算法也认识到了寡头垄断市场的奥秘时,更高的定价也将悄然而至

3.6.         反垄断起诉的被告人会因以下两种情况而承担相应的民事责任

3.6.1.           在谋求反竞争结果的动机

3.6.2.           在明确理解自己的商业行为可能会给竞争秩序带来损害的情况下照旧行事

3.7.         另外一条诉讼路径是将使用这类定价算法归入涉嫌操纵市场的范畴

4.       马撒葡萄园岛

4.1.         Martha’s Vineyard

4.2.         这种寡头垄断市场可以称得上是默许共谋的天然温床

4.3.         较高的准入门槛使其他经营者难以在岛上开立新加油站

4.4.         马撒葡萄园岛是一个离岛,人们只能搭乘渡轮上岛

4.4.1.           意味着消费者对于汽油需求缺乏弹性

4.4.2.           当汽油价格抬高时,人们不会因此而拒绝购买

4.4.2.1.            他们别无他法

4.5.         汽油作为同质商品,消费者基于价格和便捷性做出购买决定,这导致各家加油站会为了招揽更多客户而抢着公示自己的价格

4.6.         透明的牌价令成品油市场中的经营者可以实时掌握竞争对手的售价,及时揪出‘价格作弊者’或是追随‘涨价先锋'

4.7.         通过有意识的平行行为,它们之间的暗地串通会给竞争秩序带来如同有组织的勾结行为一般的破坏力

4.8.         虽然原告可以证明被告人之间存在有意识的平行行为(比如追随涨价者的调价步伐),但从法律层面上讲,这也无可指摘

4.8.1.           缺少确凿的证据,原告的反垄断指控不得不面对被驳回的下场

4.9.         没人会从降价中得到好处

4.9.1.           相互依赖不仅会打消加油站经营者的降价动机,更会激发他们的涨价念头

4.9.2.           高价策略以一种心照不宣的方式在他们中间得以执行

4.10.     他们共同努力维稳汽油价格,并且只在特定情况下提高价格

4.11.     成本变动往往不是他们进行调价的缘由,回应竞争对手的销售策略与迎合未来价格走向才是他们调价的目的

5.       全国油价查询App

5.1.         寡头垄断市场,这类应用程序却起到扰乱市场竞争秩序的负面作用

5.1.1.           一个意在促进竞争的油价查询App终于沦为寡头垄断企业手中的工具

5.2.         听起来是有益于竞争市场的技术进步

5.2.1.           透明的价格降低了买方的搜寻成本

5.3.         成品油零售市场中的加油站经营者可以实时掌握同业竞争对手的价格动向

5.4.         市场透明度的改善降低了企业经营决策上的不确定性

5.4.1.           虽然定价算法不能保证企业不会向消费者提供秘密折扣,但是油价查询App却可以

5.5.         稳定了加油站市场的环境

5.6.         短暂的价格优势网罗不住太多客户

5.7.         定价算法面对市场环境变化所能做出的迅速反应还缩短了企业向外界发出价格上涨信号的窗口期

5.7.1.           首先发起价格上涨的公司不需要担心自己会被市场吞没,通过反复测试不同价格所收获的市场反应,它并不会有所损失

5.7.2.           分秒之间的价格信号就足够培植起一个默许共谋

5.8.         全行业范围内的定价算法普及将增强市场透明度并提升企业开展有意识的平行行为的风险

6.       高频交易公司

6.1.         2014年,SEC首次对使用复杂计算机算法操纵证券价格的高频交易公司做出惩戒

6.1.1.           通过人为造势,在股市收盘前几秒内进行数额巨大的交易,从而直接导致数千只股票的收盘价向着对其有利的方向变化

6.1.2.           Athena Capital Research公司虽然没有认罪,但却付出了100万美元的罚款

6.1.3.           在自动化交易有效改善市场透明度与效率的同时,也诱发了企业的市场操纵行为

6.2.         市场中的玩家大可以使用定价算法来赢得竞争优势

6.2.1.           有些高频交易公司心甘情愿地投入巨资用于技术研发,只为了在数据传输速度上能够领先其他投资者几秒或者几分钟

6.2.2.           高频交易员利用数据传输速度上的微小时间差,在比其他交易者稍快几毫秒的时间差内,捕捉到外汇市场中的价格差,从而动用巨额资金在市场中攫取暴利

6.3.         如果涉案企业是出于正当的商业原因而开发并使用定价算法,对于犯罪意图的认定则更为困难

6.3.1.           对于第一家使用定价算法的企业而言,由于市场透明度仍较低,竞争对手无法跟上前者的价格变动步伐,所以市场中尚不存在默许共谋的痕迹

6.4.         对于使用定价算法的企业而言,它们总能为自己的行为找到借口

6.4.1.           在科技日新月异的当下,为避免处在竞争劣势,它们理所应当地会使用定价算法

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/444515.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

AI智能应用百科立即落地实操课

该课程旨在教授学员如何将AI智能应用于实际场景。通过深入的案例研究和实操练习,学员将学会应用机器学习、自然语言处理等技术,快速解决现实问题。课程强调实际操作,帮助学员快速运用AI技术解决工作中的挑战。 课程大小:3.3G 课…

(关键点检测)YOLOv8实现多类人体姿态估计的输出格式分析

(关键点检测)YOLOv8实现多类人体姿态估计的输出格式分析 任务分析 所使用的数据配置文件 网络结构 导出模型 用 netron 可视化 输出格式分析 参考链接 1. 任务分析 判断人体关键点时一并给出关键点所属的类别,比如男人,女…

Vue3 状态管理 - Pinia

Vue3 状态管理 - Pinia 1. 什么是Pinia Pinia 是 Vue 的专属的最新状态管理库 ,是 Vuex 状态管理工具的替代品 2. 手动添加Pinia到Vue项目 后面在实际开发项目的时候,Pinia可以在项目创建时自动添加,现在我们初次学习,从零开…

EasyPoi 教程

文章目录 EasyPoi教程文档1. 前传1.1 前言 这个服务即将关闭,文档迁移到 http://www.wupaas.com/ 请大家访问最新网站1.2 Easypoi介绍1.3 使用1.4 测试项目1.5 可能存在的小坑 2. Excel 注解版2.1 Excel导入导出2.2 注解注解介绍ExcelTargetExcelEntityExcelCollectionExcelIgn…

[LeetCode][LCR151]彩灯装饰记录 III——队列

题目 LCR 151. 彩灯装饰记录 III 一棵圣诞树记作根节点为 root 的二叉树,节点值为该位置装饰彩灯的颜色编号。请按照如下规则记录彩灯装饰结果: 第一层按照从左到右的顺序记录除第一层外每一层的记录顺序均与上一层相反。即第一层为从左到右&#xff0c…

transformer--使用transformer构建语言模型

什么是语言模型? 以一个符合语言规律的序列为输入,模型将利用序列间关系等特征,输出一个在所有词汇上的概率分布.这样的模型称为语言模型. # 语言模型的训练语料一般来自于文章,对应的源文本和目标文本形如: src1"Ican do",tgt1…

KEIL 5.38的ARM-CM3/4 ARM汇编设计学习笔记10 - STM32的SDIO学习2

KEIL 5.38的ARM-CM3/4 ARM汇编设计学习笔记10 - STM32的SDIO学习2 一、问题回顾二、本次的任务三、 需要注意的问题3.1 Card Identification Mode时的时钟频率3.2 CMD0指令的疑似问题3.3 发送带参数的ACMD41时要注意时间时序和时效3.4 CPSM的指令发送问题3.5 调试过程中的SD卡的…

分布式解决方案

目录 1. 分布式ID1-1. 传统方案1-2. 分布式ID特点1-3. 实现方案1-4. 开源组件 1. 分布式ID 1-1. 传统方案 时间戳UUID 1-2. 分布式ID特点 全局唯一高并发高可用 1-3. 实现方案 方案总结: 号段模式 有两台服务器,给第一台服务器分配0-100&#xff0…

嵌入式Linux串口和 poll() 函数的使用

一、poll() 函数的介绍 poll() 函数用于监控多个文件描述符的变化的函数。它可以用来检查一个或多个文件描述符的状态是否改变,比如是否可读、可写或有错误发生。它常用于处理 I/O 多路复用,这在需要同时处理多个网络连接或文件操作时非常有用。 头文件…

Linux高级IO之select

(。・∀・)ノ゙嗨!你好这里是ky233的主页:这里是ky233的主页,欢迎光临~https://blog.csdn.net/ky233?typeblog 点个关注不迷路⌯▾⌯ 目录 一、五种IO模型 1.IO效率的问题 2.阻塞IO是…

蓝桥杯C/C++实用知识总结

蓝桥杯C/C 文章目录 蓝桥杯C/C头文件实用函数及运算符求幂次移位运算符STL排序sort()函数依次读取数据STL全排列函数next_permutation()求数组最大/最小值初始化函数memset()GCD(最大公约数)和LCM(最小公倍数)C字符串函数 实用数据结构模板vector链表lis…

未来城市:探索数字孪生在智慧城市中的实际应用与价值

目录 一、引言 二、数字孪生与智慧城市的融合 三、数字孪生在智慧城市中的实际应用 1、智慧交通管理 2、智慧能源管理 3、智慧建筑管理 4、智慧城市管理 四、数字孪生在智慧城市中的价值 五、挑战与展望 六、结论 一、引言 随着科技的飞速发展,智慧城市已…

鸿蒙OpenHarmony HDF 驱动开发

目录 序一、概述二、HDF驱动框架三、驱动程序四、驱动配置坚持就有收获 序 最近忙于适配OpenHarmonyOS LiteOS-M 平台,已经成功实践适配平台GD32F407、STM32F407、STM32G474板卡,LiteOS适配已经算是有实际经验了。 但是,鸿蒙代码学习进度慢下…

超网、IP 聚合、IP 汇总分别是什么?三者有啥区别和联系?

一、超网 超网(Supernet)是一种网络地址聚合技术,它可以将多个连续的网络地址合并成一个更大的网络地址,从而减少路由表的数量和大小。超网技术可以将多个相邻的网络地址归并成一个更大的网络地址,这个更大的网络地址…

Lesson 6 Convolutional Neural Network(CNN)

听课(李宏毅老师的)笔记,方便梳理框架,以作复习之用。本节课主要讲了CNN的适用范围,整体架构与工作流程,CNN的应用,CNN的缺点以及解决方法。 1. CNN的输入与输出 CNN是专门为了图像而设计的一…

2.4_3 死锁的处理策略——避免死锁

文章目录 2.4_3 死锁的处理策略——避免死锁(一)什么是安全序列(二)安全序列、不安全状态、死锁的联系(三)银行家算法 总结 2.4_3 死锁的处理策略——避免死锁 银行家算法是“避免死锁”策略的最著名的一个…

【sgExcelGrid】自定义组件:简单模拟Excel表格拖拽、选中单元格、横行、纵列、拖拽圈选等操作

特性&#xff1a; 可以自定义拖拽过表格可以点击某个表格&#xff0c;拖拽右下角小正方形进行任意方向选取单元格支持选中某一行、列支持监听selectedGrids、selectedDatas事件获取选中项的DOM对象和数据数组支持props自定义显示label字段别名 sgExcelGrid源码 <template&g…

LLM长上下文外推方法

现在的LLM都集中在卷上下文长度了&#xff0c;最新的Claude3已经支持200K的上下文&#xff0c;见&#xff1a;cost-context。下面是一些提升LLM长度外推能力的方法总结&#xff1a; 数据工程 符尧大佬的最新工作&#xff1a;Data Engineering for Scaling Language Models to …

计算机网络——计算机网络的性能

计算机网络——计算机网络的性能 速率带宽吞吐量时延时延宽带积往返时间RTT利用率信道利用率网络利用率 我们今天来看看计算机网络的性能。 速率 速率这个很简单&#xff0c;就是数据的传送速率&#xff0c;也称为数据率&#xff0c;或者比特率&#xff0c;单位为bit/s&#…

C语言——强制类型转化

强制类型转化的作用 C语言中的强制类型转换是一种将一个数据类型转换为另一个数据类型的操作。它可以通过显式地指定要转换的数据类型来实现。强制类型转换可以用于以下几种情况&#xff1a; 改变变量的数据类型&#xff1a;当需要将一个变量的数据类型从一种类型转换为另一种…